Efficient Block Encodings for Ensembles of Molecular Hamiltonians

Per comprendere come funziona una molecola di un farmaco, gli scienziati devono spesso guardarla non come un singolo oggetto congelato, ma come una forma flessibile che si sposta e ruota. Le molecole vibrano, ruotano e cambiano costantemente i loro angoli interni, e questi movimenti determinano il modo in cui interagiscono con il corpo umano. Per prevedere questi comportamenti, i ricercatori devono calcolare l'energia di una molecola attraverso migliaia di forme diverse, un compito che crea un vasto panorama di possibilità. Per decenni, i computer quantistici sono stati proposti come lo strumento definitivo per risolvere le complesse equazioni che descrivono queste energie molecolari. Tuttavia, i metodi quantistici tradizionali trattano ogni forma come un problema separato, richiedendo al computer di eseguire un calcolo distinto e costoso per ogni singola configurazione. Questo approccio diventa impraticabile quando il numero di forme cresce nelle migliaia, poiché il costo computazionale aumenta in proporzione diretta al numero di forme, sovraccaricando rapidamente anche le macchine più potenti.

Un team di ricercatori di PsiQuantum e Boehringer Ingelheim ha sviluppato un nuovo metodo per superare questo collo di bottiglia, permettendo a un computer quantistico di elaborare un'intera famiglia di forme molecolari simultaneamente. Invece di trattare migliaia di diverse geometrie molecolari come puzzle separati e non correlati, il team ha trovato un modo per riconoscere le profonde somiglianze tra di esse. Hanno creato una tecnica chiamata SVD-THC, che agisce come una chiave maestra per un intero set di serrature. Analizzando i modelli matematici condivisi tra tutte le forme di un gruppo, il metodo comprime le informazioni di migliaia di geometrie in un unico circuito unificato. Ciò consente al computer quantistico di far evolvere l'intero insieme di forme in una sola volta, invece di procedere faticosamente una per una.

I ricercatori hanno testato questo approccio su tre diversi sistemi molecolari, che vanno da una semplice catena di atomi a strutture peptidiche complesse che mimano i mattoni delle proteine. Hanno generato griglie di migliaia di forme per ogni molecola, con il set più grande contenente oltre cinquemila configurazioni distinte. In queste simulazioni, il nuovo metodo si è dimostrato straordinariamente efficiente. Mentre l'approccio tradizionale avrebbe richiesto al computer di eseguire un calcolo completo separato per ogni singola forma, il nuovo metodo ha costruito un singolo circuito in grado di gestire l'intero gruppo. Man mano che il numero di forme aumentava, il costo computazionale del nuovo metodo rimaneva quasi invariato, mentre il costo del vecchio metodo saliva ripido. Per il caso di test più grande riguardante la molecola dell'alanina dipeptide con 5.184 geometrie, il nuovo metodo ha ridotto il numero di porte logiche fondamentali necessarie di un fattore di 200 rispetto all'approccio standard. Anche per gruppi di forme più piccoli, i risparmi sono stati significativi, con il metodo che diventava più efficiente del modo tradizionale una volta che il gruppo raggiungeva solo poche decine di geometrie.

Il cuore di questo traguardo risiede nel modo in cui i ricercatori hanno organizzato i dati. Si sono resi conto che, sebbene le posizioni degli atomi cambino da una forma all'altra, le interazioni elettroniche sottostanti seguono spesso un modello prevedibile a basso rango. Utilizzando una decomposizione matematica per separare la struttura elettronica condivisa dai dettagli geometrici specifici, sono riusciti a costruire un singolo circuito "multiplexed". Questo circuito è progettato per passare tra diverse forme automaticamente, guidato da un registro quantistico che contiene l'indice della forma corrente. I ricercatori hanno scoperto che la parte più costosa del calcolo, che consiste nel caricamento dei dati nel computer, non doveva essere ripetuta per ogni forma. Inveiz, i dati per l'intero insieme potevano essere preparati una sola volta e riutilizzati, con un piccolo overhead costante aggiunto per ogni nuova forma. Ciò ha portato a un comportamento di scalabilità molto più dolce rispetto alla crescita lineare vista nei metodi precedenti.

In termini pratici, ciò significa che compiti che prima erano fuori portata per i computer quantistici, come mappare l'intero panorama energetico di un candidato farmaco o simulare come una molecola si muove nel tempo, potrebbero diventare fattibili. I ricercatori hanno dimostrato che il loro metodo può prevedere accuratamente l'energia di ogni forma nella griglia, mantenendo l'errore entro un margine rigoroso accettabile per l'accuratezza chimica. Hanno anche mostrato che il metodo funziona bene anche quando le forme non sono disposte in una griglia regolare e ordinata, suggerendo che potrebbe essere applicato alle collezioni disordinate e irregolari di forme che spesso appaiono nella scoperta di farmaci nel mondo reale. Il lavoro suggerisce che, sfruttando la ridondanza inerente agli ensemble molecolari, i computer quantistici possono andare oltre la risoluzione di problemi isolati per gestire sistemi complessi e dinamici.

Lo studio ha anche evidenziato le risorse specifiche necessarie per rendere questo lavoro su un futuro computer quantistico fault-tolerant. I ricercatori hanno calcolato il numero di qubit e porte logiche necessari per eseguire il loro algoritmo, riscontrando che i risparmi nel conteggio delle porte sono stati sostanziali, sebbene i risparmi nel tempo totale di attività del computer siano stati leggermente inferiori a causa dell'overhead di caricamento dei dati. Questa distinzione è importante perché indica dove possono essere apportati futuri miglioramenti. Il team ha osservato che, sebbene il conteggio delle porte logiche sia diminuito drasticamente, il tempo in cui il computer è attivo è ancora influenzato dal costo del movimento dei dati. Ridurre questo overhead di caricamento dei dati potrebbe restringere ulteriormente il divario tra il potenziale teorico del metodo e la sua applicazione pratica.

In definitiva, questa ricerca fornisce un nuovo elemento fondamentale per la chimica quantistica, uno che tratta l'insieme delle forme molecolari come un'entità singola e coerente piuttosto che come una collezione di istantanee disgiunte. Le scoperte suggeriscono che, per problemi che coinvolgono molte geometrie correlate, il vantaggio quantistico non è solo una questione di attendere hardware migliori, ma di trovare modi più intelligenti per codificare il problema. Comprimendo la rappresentazione di migliaia di forme in un singolo circuito, i ricercori hanno dimostrato che i computer quantistici possono potenzialmente affrontare i complessi paesaggi multidimensionali che definiscono il comportamento molecolare. Ciò apre la porta a previsioni più accurate di come i farmaci si legheranno ai loro bersagli, di come le proteine si ripiegheranno e di come procederanno le reazioni chimiche, il tutto sfruttando la struttura condivisa del mondo molecolare.